火山引擎 ByteHouse：如何用 OLAP 为抖音精准推荐提效

抖音依靠自身推荐系统为用户推送可能感兴趣的视频内容，其中离不开对兴趣用户的精准圈选。对兴趣用户的圈选主要通过理解核心用户的偏好特征，判断两者偏好的相似性，从而构建同类用户的兴趣圈层，实现精准推荐。

以往的兴趣圈层往往依赖单一的维度或标签，比如内容类型、时长、地理特征等，难以揭示用户兴趣的底层逻辑。例如，“重庆美女小姐姐吃播视频”“二次元古风舞蹈视频”，从表面上看，吃播与舞蹈、重庆与古风.....标签类型完全不相同。经过深度分析，运营人员发现喜欢两个视频竟然是同类人群。通过挖掘用户底层兴趣逻辑，将共同兴趣的人划分在同一个兴趣圈层中，并向他们推荐更多相关内容，是抖音兴趣圈层平台主要的能力之一。

要搭建这样一套兴趣圈层平台，不仅需要精细的算法策略，对底层数据存储架构也是一大挑战。之前，技术团队主要采用 MySQL 作为存储架构。作为一种行式存储的数据库，MySQL 对于大量数据的处理效率不尽如人意，需要高配置硬件，甚至要采用分片、读写分离等策略来提升性能，导致硬件成本显著提高。其中，MySQL 的瓶颈还体现在：

• 每日新增数据量庞大：抖音用户圈层基础信息表日增万级数据，圈层作者信息表日增百万数据，圈层用户信息表日增千万条左右数据，已经达到 MySQL 秒级千万级查询的性能瓶颈。

• 难以承接业务复杂的圈选条件：当前圈层架构较为简单且为区分查询场景，当业务需要较复杂的泛化圈选条件时，需要使用者在平台等待时间较长。

• 圈层标题维度多：当前圈层有越来越多的标签描述，由于不同业务方通过不同视角理解圈层，如垂类标签/圈层关键词描述/圈层质量分类/圈层画风等，目前圈层信息实体特征就达到几十种。

为了解决以上问题，技术团队逐步将底层存储引擎基于 ByteHouse 进行重构。ByteHouse 是火山引擎推出的一款 OLAP 引擎，具备查询效率高的特点，在硬件需求上相对较低，且具有良好的水平扩展性，如果数据量进一步增长，还能通过增加服务器数量来提升处理能力。

MySQL 与 ByteHouse 特性比较

经过技术团队分析，兴趣圈层信息由模型生产，按时间分区批量导入；兴趣圈层特征多，业务方按照诉求对和自身业务相关的特征进行筛选，且圈层以统计分析为主，综合看来面向 OLAP 业务的 ByteHouse 是一款最合适的存储架构。

在一些典型兴趣圈层的查询场景中，比如“查询用户名为 098765432123450（示例数据），关系为非高价值，作者名称带有“xx”的圈层信息”，MySQL 的查询耗时为 2524ms，而 ByteHouse 仅需 102ms。

基于 ByteHouse 替换 MySQL 重构抖音兴趣圈层平台后，不同场景的查询效率平均提升了 100 倍左右，大大提升了使用者体验。由于 ByteHouse 出色的查询性能和良好的数据压缩比，中等资源的服务器就能很好的满足需求，这也降低了综合硬件成本。

随着大数据和实时计算技术的发展，使用者对推荐的实时性要求越来越高。ByteHouse 具备高效的数据处理能力，进一步为推荐场景提供更强大的查询分析支持。